-
公开(公告)号:CN117039870A
公开(公告)日:2023-11-10
申请号:CN202311006398.5
申请日:2023-08-10
Applicant: 北京中电普华信息技术有限公司
Abstract: 本申请公开了一种电力负荷预测方法、装置、设备及存储介质,利用样本数据及其样本标签预先训练得到了电力负荷预测模型,具体的,样本数据包括:待预测区域处的样本日对应的历史电力负荷数据,和,待预测区域处的样本日对应的特征参数,所述特征参数中包含有天气特征数据,样本标签为待预测区域处的样本日的短期电力负荷数据;而后利用所述电力负荷预测模型,对待预测日对应的历史电力负荷数据和待预测日对应的特征参数进行处理,得到了待预测日的电力负荷预测结果,实现了待预测区域的短期电力负荷预测任务,同时考虑待预测日的天气特征,提高了电力负荷预测结果的准确性。
-
公开(公告)号:CN116883038A
公开(公告)日:2023-10-13
申请号:CN202310729841.5
申请日:2023-06-19
Applicant: 北京中电普华信息技术有限公司
IPC: G06Q30/0201 , G06Q50/06 , G06F18/15 , G06F18/23 , G06F18/24 , G06N3/042 , G06N3/0464 , G06N3/0455 , G06N3/0442 , G06N3/048 , G06N3/08 , G06F123/02
Abstract: 本申请公开了一种电力价格数据的处理方法及装置,涉及计算机领域,该方法包括:获取第一电力价格数据以及电力价格影响因子数据;对所述第一电力价格数据进行空白值检查,以得到第二电力价格数据;所述空白值检查包括:当所述第一电力价格数据中存在空白值时,对所述第一电力价格数据中的空白值进行插值补充;按照时间序列将所述第二电力价格数据以及所述电力价格影响因子数据构建为多变量时间序列矩阵;将所述多变量时间序列矩阵输入至时间序列矩阵聚类模型,以得到所述时间序列矩阵聚类模型输出的聚类结果。该聚类结果用于辅助技术人员进行电力价格预测,以提高电力价格预测精度。
-
公开(公告)号:CN115719159A
公开(公告)日:2023-02-28
申请号:CN202211507555.6
申请日:2022-11-29
Applicant: 国网江苏省电力有限公司信息通信分公司 , 北京中电普华信息技术有限公司 , 国网湖南省电力有限公司
IPC: G06Q10/0633 , G06Q50/26
Abstract: 本申请实施例公开了一种电动汽车充换电设备管理模型的构建方法、装置及设备。通过获取电动汽车充换电设备的项目里程碑数据集并从中提取流程数据和国家电网公共数据模型中不含有的业务数据。将业务数据输入到国家电网公共数据模型中,以得到充换电设施资产集和充换电设施项目计划集;将流程数据输入到以上模型中,并根据充换电设施资产集以及充换电设施项目计划集建立项目流程关系。再根据充换电设施资产集、充换电设施项目计划集以及项目流程关系构建电动汽车充换电设备管理模型。本申请通过获取电动汽车充换电业务各种项目信息,并将项目信息输入到国家电网公共数据模型中以此建立符合国家电网公共数据模型标准的电动汽车充换电设备管理模型。
-
公开(公告)号:CN116167085A
公开(公告)日:2023-05-26
申请号:CN202310183559.1
申请日:2023-02-17
Applicant: 北京中电普华信息技术有限公司 , 国网湖南省电力有限公司
Abstract: 本申请公开了一种数据脱敏方法和装置,首先获取目标用户的业务访问请求,该请求中包括目标用户的业务场景需求和访问语句,再确定目标用户对应的目标角色,并确定预设角色权限库中与目标角色对应的目标角色权限,若目标用户的访问语句与目标角色权限对应的目标访问语句匹配,则确定出目标用户的访问语句中的涉敏语句,然后从预设的敏感数据库中确定与涉敏语句对应的敏感数据,再根据目标角色权限和业务场景需求,从预设脱敏规则库中确定目标脱敏规则,并采用目标脱敏规则对敏感数据进行脱敏处理,得到目标脱敏数据,再将目标脱敏数据发送至目标用户。如此能够在保证数据安全的同时降低数据共享的难度,提高数据共享能力。
-
公开(公告)号:CN117578441A
公开(公告)日:2024-02-20
申请号:CN202311593364.0
申请日:2023-11-27
Applicant: 北京中电普华信息技术有限公司
IPC: H02J3/00 , G06F18/214 , G06F18/10 , G06F18/213 , G06F18/241 , G06F18/243 , G06N3/048 , G06N3/084 , G06F123/02
Abstract: 本发明提供基于神经网络提高电网负荷预测精度的方法,包括7个步骤:数据准备、数据预处理、特征提取、网络构建、网络训练、模型评估、预测应用。与传统方法相比,本发明具有:无需进行繁琐的数据处理和特征工程,可以直接利用时间序列中的历史负荷数据进行建模。可以捕捉到数据中的非线性关系和时序特征,提高预测精度和灵敏度。适用于不同规模和复杂度的电网负荷预测问题,具有较好的通用性和可扩展性。
-
-
-
-